[发明专利]一种基于云服务平台的大规模数据计算加速系统

权利要求书

1.一种基于云服务平台的大规模数据计算加速系统，其特征在于，所述基于云服务平台的大规模数据计算加速系统包括：

云服务平台，用于接收来自企业网管模块的应用服务请求，从加速管理和控制平台获得加速策略，根据加速策略将应用的加速模块下载到企业网关模块进行缓存；

所述云计算平台的信任值计算方法包括以下步骤：

步骤一，采集节点间不同时间片的交互次数，根据得到的数据建立时间序列，通过三次指数平滑法来预测节点间下一个时间片的交互次数，将交互次数预测值与实际值的相对误差作为节点的直接信任值；采集网络观测节点i与节点j之间的n个时间片的交互次数：

选取一定时间间隔t作为一个观测时间片，以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标，真实交互次数，记作y_t，依次记录n个时间片的y_n，并将其保存在节点i的通信记录表中；

预测第n+1个时间片的交互次数：

根据采集到的n个时间片的交互次数建立时间序列，采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数，预测交互次数，记作计算公式如下：

y^n+1=an+bn+cn;]]>

预测系数a_n、b_n、c_n的取值可由如下公式计算得到：

an=3y^n+1(1)-3y^n+1(2)+y^n+1(3);]]>

bn=α2(1-α)2[(6-5α)y^n+1(1)-2(5-4α)y^n+1(2)+(4-3α)y^n+1(3)];]]>

cn=α22(1-α)2[y^n+1(1)-2y^n+1(2)+y^n+1(3)];]]>

其中：分别是一次、二次、三次指数平滑数，由如下公式计算得到：

y^n+1(1)=α×yn+(1-α)×y^n(1)]]>

y^n+1(2)=α×y^n+1(1)+(1-α)×y^n(2)y^n+1(3)=α×y^n+1(2)+(1-α)×y^n(3);]]>

是三次指数平滑法的初始值，其取值为：

y^0(1)=y^0(2)=y^0(3)=y1+y2+y33;]]>

α是平滑系数(0＜α＜1)，体现信任的时间衰减特性，即离预测值越近的时间片的y_t权重越大，离预测值越远的时间片的y_t权重越小；一般地，如果数据波动较大，且长期趋势变化幅度较大，呈现明显迅速的上升或下降趋势时α应取较大值(0.6～0.8)，增加近期数据对预测结果的影响；当数据有波动，但长期趋势变化不大时，α在0.1～0.4之间取值；如果数据波动平稳，α应取较小值(0.05～0.20)；

计算直接信任值：

节点j的直接信任值TD_ij为预测交互次数和真实交互次数y_n+1的相对误差，

步骤二，采用多路径信任推荐方式而得到的计算式计算间接信任值；收集可信节点对节点j的直接信任值：

节点i向所有满足TD_ik≤φ的可信关联节点询问其对节点j的直接信任值，其中φ为推荐节点的可信度阈值，根据可信度的要求精度，φ的取值范围为0～0.4；

计算间接信任值：

综合计算所收集到的信任值，得到节点j的间接信任值TR_ij，其中，Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TD_ik≤φ的节点集合；

步骤三，由直接信任值和间接信任值整合计算得出综合信任值，综合信任值(T_ij)的计算公式如下：T_ij＝βTD_ij+(1-β)TR_ij，其中β(0≤β≤1)表示直接信任值的权重，当β＝0时，节点i和节点j没有直接交互关系，综合信任值的计算直接来自于间接信任值，判断较客观；当β＝1时，节点i对节点j的综合信任值全部来自于直接信任值，在这种情况下，判断较为主观，实际计算根据需要确定β的取值；

加速管理和控制模块，用于接收企业网关模块的处理能力，根据企业网关的处理能力和应用的加速模块确定加速策略，将加速策略发送给云服务平台；

企业网管模块，用于向加速管理和控制模块注册处理能力；缓存应用的加速模块，接收来自用户的应用服务请求，通过应用的服务端和缓存的应用的加速模块为用户提供服务；

客户计算机，用于接受企业网管模块的服务和云服务平台的申请应用服务请求；

所述客户计算机设置有无线网络模块，所述无线网络模块的网络节点部署方法包括：

步骤一，无线网络节点部署：无线网络工作区域中包括1个源节点N，1个目的节点Sink和n个中间节点B＝{B₁,B₂,…,B_n}；其中，源节点N负责生成含水印数据包，目的节点Sink负责接收数据包，中间节点B＝{B₁,B₂,…,B_n}负责将源节点N生成的含水印数据包传输到目的节点Sink，每个中间节点包括能量、安全度及位置三个属性，其中第i个中间节点的属性分别记为能量E_i∈[0,0.2]，安全度S_i∈[0,10]及位置(x_i,y_i)；

步骤二，生成含水印数据包：首先源节点N生成原始数据包data＝{data₁,data₂,…,data_i,…,data₈}，其中第i个数据项data_i由28位二进制序列组成；然后生成32位原始水印序列w＝{w₁,w₂,…w_i,…,w₈}，其中第i个水印项w_i由4位二进制序列组成；再次，将第i个水印项w_i追加到第i个数据项data_i后，得到32位的第i个含水印数据项wdata_i，最后重复这一过程直到得到含水印数据包wdata＝{wdata₁,wdata₂,…,wdata_i,…,wdata₈}，i＝1,2,…8；

步骤三，选择邻居节点；

(3a)选定源节点N作为当前节点，记为U；

(3b)按照下式，计算当前节点U到目的节点Sink的距离d_USink：

dUSink=(xU-xSink)2+(yU-ySink)2;]]>

其中(x_U,y_U)为当前节点U的位置，(x_Sink,y_Sink)为目的节点Sink的位置；

(3c)根据公式TR＝πR²计算当前节点U的传输范围TR，并将当前节点U传输范围TR内的所有中间节点作为候选邻居节点，得到候选邻居节点集合B^M＝{B^M₁,B^M₂,…,B^M_i,…,B^M_m}，其中π为圆周率3.14，R为当前节点U的传输半径，即当前节点U能够传输数据的最大距离；

(3d)按照下式，计算第i个候选邻居节点B^M_i到目的节点Sink的距离d_i并将其与当前节点U到目的节点Sink的距离d_USink进行比较，

di=(xi-xSink)2+(yi-ySink)2;]]>

如果d_i＜d_USink，则将第i个候选邻居节点B^M_i作为邻居节点放入邻居节点集合B^H中，其中(x_i,y_i)为候选邻居节点B^M_i的位置，i＝1,2,…m，(x_Sink,y_Sink)为目的节点Sink的位置；

(3e)重复步骤(3d)，直到处理完候选邻居节点集合B^M＝{B^M₁,B^M₂,…,B^M_i,…,B^M_m}中的所有候选邻居节点，得到邻居节点集合B^H＝{B^H₁,B^H₂,…,B^H_i,…,B^H_h}；

步骤四，转发含水印数据包；

步骤五，水印提取和检测；

步骤六，重复步骤二～步骤五，直到无线网络中任一中间节点找不到满足条件的下一跳节点进行数据包转发时终止；

所述无线网络模块的快速唤醒关联方法包括：

步骤一，Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值，构造Wakeup帧；在发送Wakeup帧后，向节点发送T-Poll帧；

步骤二，节点收到唤醒帧后，获得本次关联的配置信息以及Hub的公钥PK_b，然后选择自己的私钥SK_a长为256比特，计算公钥计算公钥PK_a＝SK_a×G，计算出公钥后，节点再计算基于口令的公钥，PK_a'＝PK_a-Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算：

KMAC_1A

＝CMAC(Temp_1,Add_a Add_b Nonce_a Nonce_b SSS,64)

KMAC_2A

＝CMAC(Temp_1,Add_b Add_a Nonce_b Nonce_a SSS,64)；

利用上述计算的信息PK_a、KMAC_2A构造第一关联请求帧，并向Hub发送；

步骤三，Hub收到第一关联请求帧后，首先复原当前节点的公钥PK_a＝PK_a'+Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；M_X为使Q_X满足椭圆曲线上的点的最小非负整数；计算DHKey＝X(SK_b×PK_a)＝X(SK_a×SK_b×G)，这里X()函数是取椭圆曲线密钥的X坐标值，Temp_1＝RMB_128(DHKey)，根据收到的信息以及计算得到的信息计算：

KMAC_1B

＝CMAC(Temp_1,Add_a Add_b Nonce_a Nonce_b SSS,64)

KMAC_2B

＝CMAC(Temp_1,Add_b Add_a Nonce_b Nonce_a SSS,64)

对比收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五，如果不同则取消本次关联请求；

步骤四，节点收到第二关联请求帧，对比在步骤二中计算的KMAC_1A与收到的KMAC_1B，如果不同则取消本次关联请求，如果相同则进入本次关联的步骤五步；

步骤五，节点与Hub计算MK＝CMAC(Temp_2,Nonce_a Nonce_b,128)，Temp_2＝LMB(DHKey)，为DHKey的最左128位；双方完成唤醒关联。